昨天和某大厂朋友吃饭，聊了些闲话。目前某厂是准备下半年全面开始推广机器码开发，并开始弱化，直至取消软件工程工作流。因为投资公司要求在软件开发全流程 AI 自动化，以降低风险。
开发这块，目前主要思路是基于主流指令集和 ABI 来区分版本，暂时先复用现存的 so 库。
软件验收和测试，已经部署好了独立的 Agent ，正确率基本可以达到 100%。
问题定义，领域建模，组织管理，舆论引导，辅助决策，是这几个月 AI 增长最快的能力。Anthropic 和 OpenAI ，在帮助产品经理理清思路，洞悉甲方的心理、社交尺度管理等效果不错。此外，帮助管理者从错综复杂的不确定的客观世界中，把握确定的部分，并高效辅助管理人员博弈，
举个例子，产品已经开发好对应的 prompt 和 skill,Codex 可以根据代码的版本历史，将甲方抽象为一个单独的实体，并推理其人格和对应的心理和行为。目前可以给出可用的甲方需求变更预测，甲方 UI 审美的发展（主要还是甲方领导的审美）；对管理者而言，有效平衡公司各个派系的利益均衡，提升自我决策的正确性，提升领导魅力；对公司而言，不同地域的合规、税务优化、政府关系管理、市场公关，都可以使用现有的大模型快速得到最优的 to do list ，只要有一个人或者 agent 执行即可。
理想状态是，任何个人或者资本注册一个公司，投资雇人部署好几百个 Agent 和 2-3 名管理员，即可批量构建和迭代大型软件。OPC 这个概念目前来看还是理想状态，有客户关系、有能跑通的盈利模式，才是未来的核心竞争力，Marketing 和 Manager 的含金量还在上升。这往往也是投资公司、资本管理公司较擅长的领域
第 1 条附言 · 5 月 11 日
@lujiaosama 运维靠 agent 的推理能力和知识库解决； AI debug 这个我也没想清楚～但是我觉得如果一定要，也可以直接往 elf 文件里多塞一些调试信息和 symbol 等，然后由 AI 封装 gdb 之类的或自己写的调试器，来辅助人类工程师调试。
@Eillott 这种一站式解决方案已经有很多人在做了，编码工程能力能够及格，但软性能力还是差一些。比如不能说的信息不足，导致训练的模型还是不够“懂事儿”，比如必须采购哪个厂商的灭火器才能通过消防检查，过车辆年检必须去哪家修理厂，某市某区领导班子的权力布局...
@andforce CPU 指令集，不是 intel/att assembly, 更不是高级语言或解释性语言
@YanSeven 这么搞确实容易扯着蛋，但保守恐怕更难生存。看人家管理层怎么想了哈哈～
@malusama 硬件、token 成本和管理员薪资，还有公司注册资本。需求和测试已经由 AI 帮人类理清，并且比人类更加精细。
@sagnitude 一句话就是 AI 算力远超人类，人类眼中“规模庞大复杂”的软件项目在 AI 眼中或许只是“1+1=2”，“足够健壮”自然不是问题。其实健壮性本身也是相对的，bug free 是理想状态只能无限接近。如果“足够健壮”的定义是，经过 code review 和长期稳定运行的验证，那么 AI 目前也可以做到。现状是“足够健壮”的代码在 AI 看来依旧漏洞百出，anthropic 最新推出的 mythos 已经在众多流行的软件里发现了很多人类尚未发现 bug ，因此都不能对公众开放。
@night98 之所以会出现“合理的封装以降低复杂度”这类软件工程方法，就是因为人类大脑算力不足，无法掌控规模日益庞大复杂的软件项目。进入 AI 时代，复杂度不再是问题后，猛犸象也就不需要在焦油坑里挣扎了，而只需在岸边欣赏工业化机器人如何自动化采集、运输、精炼焦油这一整套产业链的运作。你现在不需要直接看 0101 的机器语言，只需要看机器语言的说明文档：高级语言源代码，就可以了。AI 时代后，你也不需要再看源代码了，只需要看自然语言和插图分析好的业务逻辑和用例。
@AhFei 令人一言难尽的编译器优化？还是交给 AI 统一管理吧～
@Melanthius 说的好，上下文长度这个我也没想清楚怎么解决。现在应该有 10M 级的模型了。
@billccn 确实是，但有没有一种可能，就是未来 debug 这种活动也是多余的了。
@ntdll 说的有道理，现代大型软件开发牵扯面太广了，合规、HA 、稳定性、支付和安全、隐私、灾备...AI 全覆盖或许能力并不足以支撑
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。